基于量子遗传神经网络与D-S证据理论的断路器机械特性故障诊断

针对目前断路器故障诊断系统诊断结果不精确的现状,提出一种量子遗传神经网络与D-S证据理论的方法,利用小波包变换和频带分析技术,得到分合闸线圈电流与机械振动波的高频及低频信号,提取2类信号每个频带的能量值分别作为2个独立的量子遗传径向基(RBF)神经网络的输入量,并得到2个初步诊断结果,最终利用D-S证据理论技术将2个RBF神经网络的评价结果融合。实验结果表明:量子遗传算法改进的RBF神经网络收敛速度快,结果精确;同时,D-S证据理论融合后的诊断结果准确度更高,并且诊断结果可信度提升。